Word2Vec 原理是什么
一、核心概念：从词语到向量的语义映射
Word2Vec 是2013年由 Google 提出的词嵌入（Word Embedding）模型，其核心目标是将自然语言中的词语转换为稠密的连续向量（词向量），使向量空间中的距离能反映词语的语义相关性。
- 本质：通过神经网络学习词语的分布式表示（Distributed Representation），打破传统one-hot编码“维度高、无语义关联”的局限。
- 关键假设：“上下文相似的词，语义也相似”（分布式假设）。
二、两大模型架构
